本稿では、数学文章題を自動で解くための深層ニューラルソルバーを提案する。従来の統計学的学習アプローチとは異なり、複雑な特徴工学を必要とせずに、再帰型ニューラルネットワーク（RNN）モデルを用いて、数学文章題を方程式テンプレートに直接変換する。さらに、RNNモデルと類似度に基づく検索モデルを組み合わせたハイブリッドモデルを設計し、性能のさらなる向上を図った。大規模なデータセットを用いた実験の結果、RNNモデルおよびハイブリッドモデルは、数学文章題の解決において、最先端の統計学的学習手法を著しく上回ることが示された。